核心用法
Shodh-Local 是一款面向 AI Agent 的本地优先认知记忆系统，通过与本地运行的 shodh-memory-server（端口 3030）交互，为 AI 提供持久化的记忆存储与检索能力。核心功能围绕五大 API 展开：Remember 用于存储各类记忆片段（学习、观察、对话、任务、偏好），支持标签分类；Recall 实现基于语义的智能检索，可按内容相似度或标签筛选；Proactive 自动推送与当前上下文相关的历史记忆；Todos/Projects 提供完整的 GTD 任务与项目管理；Summary 生成记忆上下文摘要。
使用流程上，用户需先启动本地 shodh-memory-server 服务，配置 API 密钥后即可通过标准 HTTP 调用。推荐为不同场景分配独立 User ID（如主用户、子 Agent、系统账户），并强制添加标签以实现精准过滤。典型触发词包括 "remember/save/merke X"、"recall/search memories about Y"、"todos/add/complete" 等，便于自然语言交互。
显著优点
隐私优先的本地架构是该技能最大亮点。所有记忆数据完全存储于本地 ./shodh-data 目录，无网络外泄风险，符合 GDPR、CCPA 等隐私法规。Hebbian 学习机制与三级记忆模型（工作记忆→会话记忆→长期记忆）模拟人脑认知过程，实现越用越智能的体验。语义检索替代关键词匹配，能理解概念关联而非机械匹配。配套 TUI 仪表盘提供可视化知识图谱与活动监控，降低运维门槛。
零依赖轻量设计同样突出——纯文档型 Skill 无可执行代码、无第三方依赖包，仅提供标准 curl 调用示例，兼容任意支持 HTTP 的 AI 框架。开源/商业双许可灵活适配个人与团队场景。
潜在缺点与局限性
部署门槛是首要障碍。需用户自行编译/运行 shodh-memory-server 二进制文件并维护本地服务，对非技术用户不够友好。服务宕机将导致记忆功能完全不可用，缺乏云端方案的高可用保障。T3 来源可信度意味着缺乏顶级开源基金会背书，长期维护稳定性存疑，更新需人工审查变更内容。
功能层面，当前版本仅支持单机部署，无多设备同步机制；语义检索质量依赖本地嵌入模型，效果可能不及云端大模型；缺乏细粒度的权限控制，多用户场景下的数据隔离需自行实现。
适合的目标群体
- 隐私敏感型用户：拒绝云端记忆方案、要求数据完全自主控制的个人或团队
- 本地 AI 工作流构建者：运行 OpenClaw、Ollama 等本地大模型，需要配套记忆层的开发者
- 长期 AI 协作研究者：进行数月甚至数年跨度的人机协作项目，需要跨会话记忆保持
- GTD 重度实践者：希望将任务管理与 AI 助手深度整合，构建个人知识管理闭环
- 离线环境工作者：无稳定网络连接或受合规限制无法使用云服务的场景
使用风险
数据持久化风险：虽然数据本地化降低外泄风险，但 ./shodh-data 目录的损坏或误删将导致记忆永久丢失，需建立定期备份机制。API 密钥管理：本地服务仍需认证密钥，明文存储于环境变量或脚本中存在泄露隐患。服务依赖风险：shodh-memory-server 进程异常退出将中断记忆功能，建议配置进程守护与每周重启维护。版本兼容性：服务端与 Skill 版本不匹配可能导致 API 行为异常，升级时需同步更新两端。敏感信息误存：用户可能无意将密码、密钥等存入记忆系统，虽本地存储但仍建议建立内容审查习惯。